איך גרפים של ידע מאפשרים לחברות לשלוט באינטליגנציה של ה-AI שלהן?

אתם יודעים את התחושה: אחרי חודשים של פיילוטים, סוף-סוף מטמיעים מודל AI בתהליך עסקי קריטי – והוא מזייף. לא כי הוא טיפש, אלא כי הוא חסר הקשר. הוא לא באמת מכיר את השרשרת הלוגיסטית שלכם, את היחסים בין המוצרים, את הניואנסים בשירות הלקוחות. כאן נכנס לתמונה שחקן מפתח שמעצב מחדש את המסלול מניסוי לייצור: שכבת אינטליגנציה מדרגית (Scalable Intelligence Layer), הבנויה על גרפים של ידע (Knowledge Graphs).

המהות פשוטה אך עוצמתית: במקום לאפשר למודל AI "לנחש" מתוך מאגרי נתונים מבולגנים, בונים עבורו מפה. מפה של הידע הארגוני שלכם – מוצרים, לקוחות, תהליכים, קשרים – כרשת של צמתים וקצוות. ככה, כשסוכן AI צריך לענות על שאלה מורכבת, הוא לא מחפש מילת מפתח; הוא מנווט, כמו מוח, בין הקשרים.

מ-15 סוכנים בשבועות בודדים: הכוח של גרף בשרשרת אספקה

ג'יוון פטורי, סגן נשיא להנדסת תוכנה ב-Microsoft, הסביר את המהפך. בפרויקט שרשרת האספקה שלהם, הם מיפו את רשימת החומרים (Bill of Materials) כגרף. התוצאה: בניית 10-15 סוכני AI לייצור, בתוך שבועות ספורים. "בלי האינטליגנציה המחוברת הזו," אמר פטורי, "היינו צריכים לבנות כל סוכן בנפרד, מחדש לגלות את הקשרים." הגרף הפך ל"שכבת סמנטיקה" רב-פעמית – בונים פעם אחת, משתמשים באינסוף תרחישים.

זו לא רק יעילות. זה שינוי במודל העסקי. שוק הגרפים הארגוניים צפוי לגדול מ-1.9 מיליארד דולר היום לכמעט 10 מיליארד דולר עד 2032. הסיבה: בלי הקשר נשלט, סוכנים פשוט לא יכולים לעבוד בצורה אמינה בייצור.

"אינטליגנציה, לא רק נתונים": מי שמעצב נכון – שולט

כאן נכנס שן ריזבי, מייסד ו"ארכיטקט הקשר" ב-Thumos Care. הוא טוען שהפרידה בין חברות ש"יקבלו" את זה לבין אלה שלא, תהיה אחת מחלוקי התחרות המרכזיים בעידן האג'נטים (Agentic Era). "כשאתם עושים טיעון, יש הנחת יסוד, הגיון שמופעל, ואז מסקנה," הוא מסביר. "מבנה זה מהותי לחשיבה, וגרפים עם ה-Ontology הנכון הם התשתית הברורה."

הוא מביא דוגמה מעשית מסטארטאפ לחלקי משאיות. מצוא את כל התחליפים לחלק ספציפי המיוצר על ידי חברות העומדות במספר קריטריונים – זו משימה ש"חיפוש" רגיל מתקשה איתה בקנה מידה של מיליוני SKU. גרף יודע לנווט בשבילים האלה, ולחזור עליהם רקורסיבית, עד שמוצאים את התשובה הטובה ביותר. "הניווט הזה קריטי לחשיבה," אומר ריזבי. "רקורסיביות היא מרכיב מפתח."

אבל יש מלכודת: latency. ריזבי, שבנה גרף ידע רפואי לחברת Thumos Care על Neo4j, מזהיר: לא כל פלטפורמת מסד גרפים מטפלת במיליוני צמתים בצורה אמינה ומהירה. הפתרון? לשמור שאילתות רקורסיביות לתרחישים מורכבים, ולהשתמש באחזור מהיר "בקפיצה אחת" למשימות פשוטות יותר.

לא הכל נכנס לגרף: מה כן, מה לא, ולמה זה חשוב

אז מה בעצם נכנס לגרף? ריזבי מבהיר קו חד: נתונים מובנים (כמו בסיסי נתונים מסורתיים שמשתנים לעיתים קרובות) צריכים להישאר במערכת המקורית שלהם, ורק המבנה האונטולוגי שלהם ייוצג בגרף – כדי שהסוכנים ידעו מה לשאול ומתי. לעומתם, נתונים לא מובנים – שרשראות Slack, תמלולי פגישות, צ'אטים – הם מועמדים מושלמים לחילוץ והכנסה ישירה לגרף. ככה נשמר ההקשר שלהם לאורך זמן.

"אם אתם רוצים לבעלות על חלק ממערכת האינטליגנציה, החלק הזה חייב להיתפס כאינטליגנציה, לא כנתונים," אומר ריזבי. "אתם צריכים אונטולוגיה לתחום שלכם, לידע, לקוגניציה ולקבלת החלטות. כל עוד יש לכם את הרכיבים האלה, המודלים שלכם ישתפרו ככל שישתמשו בהם יותר, ואתם תהיו הבעלים של הערך הזה."

בסופו של דבר, זו המהפכה: ה-AI לא מחליף את הידע שלכם; הוא נעשה כלי להפעלתו. בניית השכבה הזו, אומר פטורי מ-Microsoft, היא העבודה הקשה האמיתית. "אין כאן קיצורי דרך. עדיין מדובר בעבודה קשה. יצירת שכבת נתונים נקייה ומחוברת היא חובה מוחלטת."

אז בפעם הבאה שאתם מתכננים פרויקט AI, תשאלו: האם אתם בונים רק מודל, או שאתם בונים גם את המוח שסביבו? כנראה שהעתיד שייך לשניהם.